Data Mining-Erweiterungen (DMX) - Referenz
Gilt für: SQL Server Analysis Services
Wichtig
Data Mining ist im SQL Server Analysis Services 2017 veraltet und wird in einer zukünftigen Version eingestellt. Die Dokumentation für veraltete Features wird nicht aktualisiert. Weitere Informationen finden Sie unter Abwärtskompatibilität von Analysis Services.
Data Mining-Erweiterungen (DMX) ist eine Sprache, die Sie zum Erstellen und Arbeiten mit Data Mining-Modellen in Microsoft SQL Server Analysis Services verwenden können. Mit DMX können Sie die Struktur neuer Data Mining-Modelle erstellen, diese Modelle trainieren sowie die Modelle durchsuchen, verwalten und für Vorhersagen verwenden. DMX besteht aus DDL-Anweisungen (Data Definition Language, Datendefinitionssprache), DML-Anweisungen (Data Manipulation Language, Datenbearbeitungssprache) sowie aus Funktionen und Operatoren.
Spezifikation von Microsoft OLE DB für Data Mining
Die Data Mining-Features in Analysis Services entsprechen der Microsoft OLE DB für Data Mining-Spezifikation.
Die Microsoft OLE DB für Data Mining-Spezifikation definiert Folgendes:
Eine Struktur, die die Informationen aufnimmt, die ein Data Mining-Modell definieren
Eine Sprache zum Erstellen und Verwenden von Data Mining-Modellen
Die Spezifikation definiert die Basis von Data Mining als das virtuelle Data Mining-Modellobjekt. Das Data Mining-Modellobjekt kapselt alle Informationen, die zu einem bestimmten Miningmodell bekannt sind. Das Data Mining-Modellobjekt ist wie eine SQL-Tabelle strukturiert, mit Spalten, Datentypen und Metainformationen, die das Modell beschreiben. Diese Struktur ermöglicht es Ihnen, mit der Sprache DMX, die eine Erweiterung von SQL ist, Modelle zu erstellen und zu verwenden.
Weitere Informationen:Miningstrukturen (Analysis Services – Data Mining)
DMX-Anweisungen
Mit den DMX-Anweisungen können Sie Data Mining-Modelle erstellen, verarbeiten, kopieren, durchsuchen und für Vorhersagen verwenden. Es gibt zwei Arten von Anweisungen in DMX: Datendefinitionsanweisungen und Datenbearbeitungsanweisungen. Sie können jede Art von Anweisung zum Ausführen unterschiedlicher Arten von Aufgaben verwenden.
In den folgenden Abschnitten finden Sie weitere Informationen zum Verwenden von DMX-Anweisungen:
Datendefinitionsanweisungen
Datendefinitionsanweisungen verwenden Sie in DMX dazu, neue Miningstrukturen und -modelle zu erstellen und zu definieren, Miningmodelle und Miningstrukturen zu importieren und zu exportieren sowie vorhandene Modelle aus einer Datenbank zu löschen. Datendefinitionsanweisungen in DMX sind Teil der Datendefinitionssprache (Data Definition Language, DDL).
Mit den Datendefinitionsanweisungen in DMX können Sie folgende Aufgaben ausführen:
Erstellen Sie mithilfe der CREATE MINING STRUCTURE-Anweisung eine Miningstruktur, und fügen Sie der Miningstruktur mithilfe der ALTER MINING STRUCTURE-Anweisung ein Miningmodell hinzu.
Erstellen Sie gleichzeitig ein Miningmodell und eine zugehörige Miningstruktur, indem Sie die CREATE MINING MODEL-Anweisung verwenden, um ein leeres Data Mining-Modellobjekt zu erstellen.
Exportieren Sie mithilfe der EXPORT-Anweisung ein Miningmodell und die zugehörige Miningstruktur in eine Datei. Importieren Sie ein Miningmodell und die zugehörige Miningstruktur aus einer Datei, die von der EXPORT-Anweisung mithilfe der IMPORT-Anweisung erstellt wird.
Kopieren Sie die Struktur eines vorhandenen Miningmodells in ein neues Modell, und trainieren Sie es mit den gleichen Daten, indem Sie die SELECT INTO-Anweisung verwenden.
Entfernen Sie ein Miningmodell vollständig aus einer Datenbank, indem Sie die DROP MINING MODEL-Anweisung verwenden. Entfernen Sie eine Miningstruktur und alle zugehörigen Miningmodelle vollständig aus der Datenbank, indem Sie die DROP MINING STRUCTURE-Anweisung verwenden.
Weitere Informationen zu den Data Mining-Aufgaben, die Sie mithilfe von DMX-Anweisungen ausführen können, finden Sie unter Data Mining Extensions (DMX)-Anweisungsreferenz.
Datenbearbeitungsanweisungen
Mit den Datenbearbeitungsanweisungen in DMX können Sie vorhandene Miningmodelle verwenden, die Modelle durchsuchen sowie Vorhersagen aus ihnen erstellen. Datenbearbeitungsanweisungen in DMX sind Teil der Datenbearbeitungssprache (Data Manipulation Language, DML).
Mit den Datenbearbeitungsanweisungen in DMX können Sie folgende Aufgaben ausführen:
Trainieren eines Miningmodells mithilfe der INSERT INTO-Anweisung . Diese Anweisung fügt nicht die tatsächlichen Quelldaten in ein Data Mining-Modellobjekt ein, sondern erstellt eine Abstraktion, die das Miningmodell beschreibt, das der Algorithmus erstellt. Die Quellabfrage für eine INSERT INTO-Anweisung wird unter <Quelldatenabfrage> beschrieben.
Erweitern Sie die SELECT-Anweisung, um die Informationen zu durchsuchen, die während des Modelltrainings berechnet und im Data Mining-Modell gespeichert werden, z. B. Statistiken der Quelldaten. Im Folgenden finden Sie die Klauseln, die Sie einschließen können, um die Leistungsfähigkeit der SELECT-Anweisung zu erweitern:
Erstellen Sie Vorhersagen, die auf einem vorhandenen Miningmodell basieren, indem Sie die PREDICTION JOIN-Klausel der SELECT-Anweisung verwenden. Die Quellabfrage für eine PREDICTION JOIN-Anweisung wird unter <Quelldatenabfrage> beschrieben.
Entfernen Sie alle trainierten Daten aus einem Modell oder einer Struktur, indem Sie die DELETE-Anweisung (DMX) verwenden.
Weitere Informationen zu den Data Mining-Aufgaben, die Sie mithilfe von DMX-Anweisungen ausführen können, finden Sie unter Data Mining Extensions (DMX)-Anweisungsreferenz.
Grundlegendes zu DMX-Abfragen
Die SELECT-Anweisung ist die Grundlage für die meisten DMX-Abfragen. Abhängig von den Klauseln, die Sie in der jeweiligen Anweisung verwenden, können Sie Miningmodelle durchsuchen, kopieren oder für Vorhersagen verwenden. Die Vorhersageabfrage verwendet eine Select-Form, um Vorhersagen basierend auf vorhandenen Miningmodellen zu erstellen. Funktionen erweitern Ihre Möglichkeiten zum Durchsuchen und Abfragen von Miningmodellen über die systeminternen Möglichkeiten des Data Mining-Modells hinaus.
Mit DMX-Funktionen können Sie Informationen abrufen, die während des Trainings eines Modells ermittelt wurden, sowie neue Informationen berechnen. Sie können diese Funktionen für viele Zwecke verwenden, so z. B. zum Zurückgeben von Statistiken, die die zugrunde liegenden Daten oder die Genauigkeit einer Vorhersage beschreiben, oder zum Zurückgeben einer erweiterten Erläuterung einer Vorhersage.
WeitereInformationen finden Sie unterGrundlegendes zur DMX Select-Anweisung, allgemeinen Vorhersagefunktionen (DMX),Struktur und Verwendung von DMX-Vorhersageabfragen, Funktionsreferenz für Data Mining-Erweiterungen (DMX)
Weitere Informationen
Data Mining-Erweiterungen (DMX) - Funktionsreferenz
Data Mining-Erweiterungen (DMX) - Operatorreferenz
Data Mining-Erweiterungen (DMX) - Anweisungsreferenz
Data Mining-Erweiterungen (DMX) - Syntaxkonventionen
Data Mining-Erweiterungen (DMX) - Syntaxelemente
Allgemeine Vorhersagefunktionen (DMX)
Struktur und Verwendung von DMX-Vorhersageabfragen
Grundlegendes zur SELECT-Anweisung (DMX)
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Tickets als Feedbackmechanismus für Inhalte auslaufen lassen und es durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter:Feedback senden und anzeigen für